Real-Time Cutting Tool Condition Monitoring in Milling.
Saved in:
| Title: | Real-Time Cutting Tool Condition Monitoring in Milling. |
|---|---|
| Alternate Title: | Nadzor stanja rezalnega orodja v realnem Času pri rezkanju. |
| Authors: | Čuš, Franci1, Župerl, Uroš1 uros.zuperl@uni-mb.si |
| Source: | Journal of Mechanical Engineering / Strojniški Vestnik. Feb2011, Vol. 57 Issue 2, p142-150. 9p. 2 Diagrams, 1 Chart, 4 Graphs. |
| Subjects: | Machine tool monitoring, Tools -- Maintenance & repair, Cutting equipment, Fretting corrosion, Speed, Dynamometer, Measuring microscopes, Simulation methods & models |
| Abstract (English): | Reliable tool wear monitoring system is one of the important aspects for achieving a self-adjusting manufacturing system. The original contribution of the research is the developed monitoring system that can detect tool breakage in real time by using a combination of neural decision system and ANFIS tool wear estimator The principal presumption was that force signals contain the most useful information for determining the tool condition. Therefore, the ANFIS method is used to extract the features of tool states from cuttingforce signals. ANFIS method seeks to provide a linguistic mode/for the estimation of tool wear from the knowledge embedded in the artificial neural network. The ANFIS method uses the relationship between flank wear and the resultant cutting force to estimate tool wear A series of experiments were conducted to determine the relationship between flank wear and cutting force as well as cutting parameters. Speed, feed, depth of cutting, time and cutting forces were used as input parameters and flank wear width and tool state were output parameters. The forces were measured using a piezoelectric dynamometer and data acquisition system. Simultaneously flank wear at the cutting edge was monitored by using a tool maker's microscope. The experimental force and wear data were utilized to train the developed simulation environment based on ANFIS modelling. The artificial neural network, was also used to discriminate different malfunction states from measured signals. By developed tool monitoring system (TCM) the machining process can be on-line monitored and stopped for tool change based on a pre-set tool-wear limit. The fundamental limitation of research was to develop a single sensor monitoring system, reliable as commercially available system, but 80% cheaper than multisensor approach. [ABSTRACT FROM AUTHOR] |
| Abstract (Slovenian): | Namen članka je predstaviti sistem za nadzor rezalnega orodja pri odrezovalnih procesih. Glavni cilj raziskave je bil izdelati sistem nadzora orodja, ki je sposoben v realnem času identificirati obrabo oziroma poškodbe rezalnega orodja in ustrezno korigirati nadaljnji proces obdelave. To mu omogoča inovativna zgradba, ki se sestoji iz kombinacije nevronskega sistema odločanja in napovedovanja obrabe orodja ANFIS (Adaptive Neural Fuzzy Inference System). Fundamentalna omejitev raziskave je bila izdelava enosenzorskega nadzornega sistema, ki je zanesljiv in učinkovit kot komercialni sistemi, hkrati pa mnogo cenejši kot obstoječi večsenzorski pristopi. Največ raziskovalnega napora je bilo namenjenega izbiri primernih senzorjev in pripadajočih metod za obdelavo signalov, ki zagotavljajo minimalno napako klasifikacije defektov procesa. Glavna predpostavka raziskave je, da signali izmerjenih rezalnih sil vsebujejo največ uporabnih informacij o stanju orodja. Zato je uporabljena metoda ANFIS, ki iz signalov izmerjenih rezalnih sil izlušči pomembne značilnosti o stanju orodja. Rezultati potrjujejo, da metoda ANFIS pripravi uporaben lingvistični model za napovedovanje obrabe orodja na osnovi znanja, zbranega v naučeni nevronski mreži. Metoda napoveduje obrabo orodja na osnovi korelacije med rezalno silo in obrabo proste ploskve orodja. Izvedena je bila serija eksperimentov za določitev povezave med obrabo, rezalno silo in rezalnimi parametri. Za merjenje rezalnih sil je bil uporabljen piezoelektrični dinamometer, vključen v sistem zajemanja podatkov Labview. Obraba proste ploskev na rezalnem robu je bila simultano spremljana na orodnem mikroskopu. Eksperimenti potrjujejo, da ima aksialna komponenta rezalne sile največji vpliv na napovedano obrabo. Z eksperimenti pridobljeni podatki so bili nato uporabljeni pri ANFIS modeliranju. Naučen model ANFIS je bil nato integriran z nevronsko mrežo za identifikacijo stanja orodja (brezhibno, obrabljeno, poškodovano). Naloga nevronske mreže kot odločitvenega sistema je prepoznavanje tipičnih poškodb orodja na osnovi napovedane obrabe in signalov izmerjenih sil. Na osnovi obsežnega preizkušanja je bilo ugotovljeno, da nadzorni sistem spremlja proces visokohitrostne obdelave z visoko zanesljivostjo in ga zaustavi v primeru poškodb oziroma prekoračene dovoljene obrabe orodja. Na ta način je sistem v 97% preprečil nadaljnje poškodbe obdelovanca in orodja. Nov prispevek k teoriji optimalnega vodenja odrezavanja je vključevanje in uporaba sodobnih informacijskih orodij in umetnih samoučečih sistemov, ki abstrahirajo delovanje človeškega razuma, v procesih napovedovanja rezalnih veličin v realnem času. Na tej osnovi je definirano tudi orodje za on-line nadzor orodja. Prispevek k praksi je očiten, saj je sistem razvit za konkreten stroj. Z uspešno realizacijo zastavljenih idej se bodo znatno izboljšale lastnosti obstoječih obdelovalnih sistemov. Opisani sistem bo imel največji pomen pri visokohitrostni obdelavi v slovenskih orodjarnah. Glavne prednosti sistema za kovinsko-predelovalno industrijo so: krajši čas izdelave in manjši stroški obdelave, razbremenitev operaterja, daljša življenjska doba orodja in stroja, visoko- kakovostna proizvodnja z minimalnimi napakami ter večja avtomatizacija procesa. Cilj nadaljnjih raziskav bo povečati učinkovitost odločitvene komponente sistema in preveriti, s katerimi novimi tehnikami bi lahko zmanjšali napako detekcije. Izdelani sistem vključuje enostavne fiksne omejitve pri detekciji poškodb orodja. V prihodnje bi bilo fiksne omejitve primerno nadomestiti s samoprilagodljivimi omejitvami. [ABSTRACT FROM AUTHOR] |
| Copyright of Journal of Mechanical Engineering / Strojniški Vestnik is the property of University of Ljubljana, Faculty of Mechanical Engineering, Journal of Mechanical Engineering and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.) | |
| Database: | Engineering Source |
Be the first to leave a comment!
